2019/04/21 - [Study/아두이노] - [아두이노] 선택 가능한 개발환경 알아보기 #1 - Atom + PlatformIO

오늘은 다양한 아두이노 개발 환경에 대해 정리를 해보겠다.

사실 그동안 아두이노 개발 시에는 공식 배포되는 Arduino IDE만을 사용해왔다. 뭐 공식 IDE에 특별히 불만은 없지만

다른 프로그램 개발 시 사용하는 IDE(Ecilpse, Xcode, Visual Studio 등)나 고급 편집기(Atom, Sublime Text 등)에

비하면 많이 아쉬운 것은 사실이다.

그러던 중 공식 IDE를 대체할 수 있는 5가지 개발 툴에 대한 기사가 있어 한 번 직접 설치해보고 실행을 해보았다.

그리고 그 결과에 대해 정리를 해보려고 한다.

Forget the Arduino IDE: 5 Awesome Alternatives

기사에서는 총 5가지 대체 개발 툴에 대해 언급을 하고 있으나 마지막 Arduino CLI의 경우 아무래도 고수들이나 해볼 법한

방법이고 범용성이 떨어지기에 링크로 대체하고 Atom, Xcode, Eclipse, Visul Studio의 플러그인들만을 대상으로

정리를 해보고자 한다.

Atom + Platformio

나도 사실은 무거운 IDE를 위주로 사용하는 터라 가벼운 텍스트 편집기 기반의 개발 툴은 별로 사용해본 적이 없다.

Atom의 경우도 마찬가지로 설치는 해보았으나 거의 사용은 안했었고 현재 주로 사용하는 편집기는 Sublime Text

이다. 그런데 이번에 새로 설치하고 찬찬히 살펴보니 기본 설치 상태의 가독성은 확실히 Atom쪽이 더 좋았다. 아마도

앞으로는 Atom을 즐겨 쓰지 않을까 한다.

우선 당연히 Atom을 먼저 설치해야 한다.

atom.io

설치는 매우 단순하다. Atom의 설치가 끝나면 바로 실행 시킨 후 설정 화면으로 가서 Platformio를 설치해주어야 한다.

Platformio는 IoT 개발을 위한 Atom기반의 플러그인다. 즉, 아두이노만 개발할 수 있는 것이 아니란 이야기다.

설치 방법은 아래 스크린샷과 같다.

1. 먼저 Atom의 Settings 화면으로 이동한다. 그리고 메뉴 중 가장 하단의 Install을 선택한 후 우측 메인 화면에서

platformio-ide로 검색한다. 목록에서 platformio-ide를 찾아 설치한다(스크린샷은 이미 설치한 상태에서 찍은

것이라 설치는 없고 설정/제거/비활성화만 있다).

2. platformio-ide가 설치되고 나면 Atom의 좌측에 새로운 아이콘 그룹이 생긴다. 이 아이콘들이 platformio를 사용하기

위한 것들이다.

3. 아이콘 중 가장 위에있는 집 모양의 버튼을 클릭하면 platformio의 홈 화면으로 이동한다. 이 화면에서 아두이노 관련

대부분의 설정을 할 수 있다.

. New Project 버튼을 클릭하면 새로운 프로젝트를 생성 할 수 있다.

. PlatformIO Home 화면의 좌측 메뉴 중 Libraries를 클릭하면 라이브러리 관리를 할 수 있다.

. PlatformIO Home 화면의 좌측 메뉴 중 Boards를 클릭하면 보드 관리를 할 수 있다.

. PlatformIO Home 화면의 좌측 메뉴 중 Platforms를 클릭하면 플랫폼 관리를 할 수 있다.

. PlatformIO Home 화면의 좌측 메뉴 중 Devices를 클릭하면 포트 관리를 할 수 있다.

프로젝트가 생성되면 다음과 같은 화면이 보여진다. Atom의 경우 기본 확장자로 ino가 아닌 cpp를 사용한다. 이렇게 확장자로

cpp를 사용하게 될 경우에는 소스코드에 "#include <Arduino.h>”문을 반드시 적어주어야 한다.

그밖에 빌드, 업로드, 시리얼모니터 등은 프로젝트 메인 화면의 좌측에 있는 platformio의 아이콘 그룹에서 찾아볼 수 있다.
그런데 빌드와 업로드를 동시에 진행하는 버튼을 찾지를 못했다. 원래 그런 기능이 없는 것인지, 내가 찾지 못한 것인지…

이 부분이 단점이라면 단점이다.

빌드나 업로드를 하게 되면 하단에 로그 창이 떴다가 작업이 완료되면 바로 사라지는데 좌측의 Toggle Build Panel 버튼을

클릭하면 로그 창이 계속 남아있게 할 수 있다.

정리

포스팅 한번으로 4가지 IDE를 모두 다뤄보려고 했는데 별 내용이 없음에도 불구하고 스크린샷이 많아서 그런지 상당한

분량이 되어버렸다. 그래서 하나의 IDE에 대해 한 개의 포스팅으로 소개하는 것이 좀 더 보기 편할 듯싶다.

처음 소개한 Atom의 경우 일단 개발 툴 자체가 무겁지 않고 전체적으로 폰트가 큼직하여 가독성 면에서 높은 점수를

줄 수 있을 것 같다. 앞으로 소개할 3개의 IDE는 그 자체로 무거운 툴들이다보니 과연 아두이노와 같은 작은 볼륨의

개발을 하는데 그렇게나 큰 IDE를 사용할 필요가 있을까 싶은 생각도 든다.

그래도 개개인의 취향이라는 것이 있으니 나머지 3개도 차근차근 알아보도록 하겠다.

2019/01/13 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #1

2019/01/21 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #2

2019/03/03 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #3

2019/03/11 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #4

2019/03/31 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #5  (이번 글)

아두이노 미니 드론 만들기 #5

흘러간 시간에 비해 진척이 없는 것이 좀 안타까운 현실이다.
지난 포스팅까지 새로운 부품을 구해 나름 보기 좋게 드론 프레임에 장착을 하였다. 이제 번거로운 하드웨어 작업이
끝났으니 슬슬 소프트웨어 작업만 시작하면 되겠거니 생각을 했건만…

오늘은 그냥 가볍게 발생한 문제에 대한 의문만 남겨본다.

하드웨어 보완

지난 번 부품을 얼키설키 연결을 시켜놓고 모양 잘나왔다고(?) 자아도취에 빠져 이리 저리 둘러보던 중…
아뿔싸…스위치가 없었다…ㅠ.ㅠ

다행이 예전에 미리 잔뜩 사다놓은 푸시락 버튼이 있어 주섬주섬 찾아다가 드론 프레임의 앞자리, 카메라 장치하는
공간에 끼워봤더니 얼추 잘 어울린다 싶어 연결을 하였다. 이것으로써 정말 하드웨어 조립은 끝을 맺게 되었다.
다만 드론이 구동을 안할 시 그 원인이 하드웨어쪽에 있다면…망한거다…ㅠ.ㅠ

테스트

그리고 이제 스케치 코드를 작성하고 테스트를 해볼 시간이다.
코드는 매우 간단하게 일반적으로 DC모터 드라이버를 사용하는 예제를 가져왔다.
코드는 다음과 같다.

void setup() {
  // 모터를 출력모드로 설정
  pinMode(3, OUTPUT);              // 3번핀을 출력모드로 설정합니다.
  pinMode(5, OUTPUT);              // 5번핀을 출력모드로 설정합니다.
  pinMode(6, OUTPUT);              // 6번핀을 출력모드로 설정합니다.
  pinMode(9, OUTPUT);              // 9번핀을 출력모드로 설정합니다.
}

void loop() {
  // 모터 돌리기
  analogWrite(3, 150);                   
  analogWrite(5, 150);              
  analogWrite(6, 150);                  
  analogWrite(9, 150);          
  delay(3000);           
  // 모터 정지         
  analogWrite(3, 0);             
  analogWrite(5, 0);                 
  analogWrite(6, 0);            
  analogWrite(9, 0);              
  delay(3000);                         
}

간단하게 모터의 동작만 테스트하는 아주 간단한 코드이다. 원래 MPU9250과 nRF24L01 예제 코드에 추가하여 테스트
하려고 했는데 뭔가 잘 안되는 것 같아 모터만 따로 테스트해보기로 했다.

하지만…그래도 잘 안된다….ㅠ.ㅠ

일단 delay 시간에 맞춰서 모터 드라이버에 LED도 불이 들어오고 전류가 흐르는 소리가 찌르르 나긴 하는데 정작 모터가 
돌아가지 않는다. 모터 드라이버가 전류를 잘 공급해주지 못하는 것일까? 아는 것이 없으니 어디를 의심해봐야 할지도
모르겠다…ㅠ.ㅠ 일단 증상은 아래의 영상과 같다.

그리고 실제 부품들과는 다르지만 회로 구성도도 함께 올려본다. 이 회로도는 미니 드론 만들기 작업을 처음 포스팅
할 때 올렸던 그림이다.

정리

오늘은 모터 구동 테스트를 진행해보았다. 하지만 결과는 썩 좋지 않았다. 이제부터의 과제는 과연 무엇이 문제의
원인인지를 찾아내는 것이다. 때문에 다음 주 주말에는 현재 부품이 아닌 다른 부품 (아두이노 프로 미니와 다른
DC모터 드라이버, 그리고 다른 모터들)을 이용하여 회로를 구성하고 정상적으로 구동이 되는지 확인을 해봐야겠다.

사실 현재 드론에 사용중인 Racerstar의 8520 코어리스 모터를 한 달 전에 banggood.com에서 추가로 주문을 
해놓았는데 무슨 일인지 배송이 안되다가 겨우 며칠 전에 선적되었다는 것을 확인할 수 있었다. 만일 새로 구성한 회로가 
잘 작동을 하고 새 모터가 무사히 도착을 한다면 기존 작업한 것을 버리고 새 회로와 모터 그리고 프레임도 새로 만들어
다시 시작을 해야겠다. (역시 정상 동작을 확인하고 납땜을 했어야 했는데…ㅠ.ㅠ)

2019/01/13 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #1

2019/01/21 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #2

2019/03/03 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #3

2019/03/11 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #4 (이번 글)

2019/03/31 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #5

아두이노 미니 드론 만들기 #4

미니 드론 만들기의 첫 번째 포스팅이 1월 13일이었으니…벌써 시작한 지도 2달여가 되어간다.
하지만 아직도 하드웨어 조립에서 맴돌고 있다…ㅠ.ㅠ

지난 주에 포스팅한 SMD 타입의 nRF24L01 모듈 구입과 보드의 소형화로 하드웨어 작업은 금방 끝이 날 것이라고 
생각했으나 여전히 납땜 할 부분들이 많아 선뜻 손이 가지 않았다. 그리고 지난 주 조립한 아두이노 프로 미니를 중심으로
한 모듈의 조립 상태도 높이가 조금 높아 구입한 프레임에 장착하기가 썩 만족스럽지 않은 상황이었다.

어쨌든 이제 모터 드라이버와 외부전원부까지 납땜을 마치고 하드웨어쪽은 마무리를 지으려는 찰나. 새로운 부품이
눈에 들어왔다.

초소형 DC 모터 드라이버

사실 미니 드론을 만드는 틈틈이 드론 이후 만들 싱글콥터에 대해 이것 저것 아이디어를 짜내고 있던 터였다.
프레임을 만들 플라스틱 용기도 몇 개 준비했고 그동안 사다놓은 모터 스펙도 다시 한 번 확인하고 배터리도 무게와 
용량을 가늠해보고…그리고 싱글콥터에서 가장 부담스러운 부분인 방향 제어를 위한 4개의 블레이드를 작동시킬
서보모터와 관련하여 적당한 서보모터 드라이버를 찾고 있었다.

현재 가지고 있는 서보모터 드라이버는 16개의 서버모터를 컨트롤하는 놈이다보니 크기와 무게 여러모로 부담스러웠다.
딱 4개만 컨트롤 가능한 드라이버가 있으면 좋으련만…그러던 중 그나마 가장 작은 크기로 6개의 서보모터를 컨트롤 할
수 있는 서보 모터 드라이버를 찾았다. 그리고 그 드라이버를 찾은 곳에서…초소형 DC 모터 드라이버를 발견하였다.

일단 크기는 아래 사진으로 확인할 수 있다. 기존 드라이버(요 것도 그나마 작다고 해서 구매한 것이었다)와의 비교, 
그리고 100원짜리 동전과의 비교이다.

작은만큼 허용하는 외부 전압은 10V까지이고 1.5A까지 모터에 공급할 수 있다. 어차피 사용하는 모터가 8520 코어리스
모터로 이정도 스펙이면 충분히 구동시킬 수 있을 것 같았다. 또한 아두이도와의 연결도 3.3V와 5V 모두 가능하여 크게
신경쓰지 않고 사용할 수 있었다.

최종 조립

새로운 초소형 DC 모터 드라이버의 사용으로 전체적으로 하드웨어를 재배치 할 수 있게 되었다. 기존 모터 드라이버가
드론 프레임의 아랫면을 모두 차지하여 나머지 중요 부품들을 프레임 상단에 배치할 수밖에 없었는데 이제는 가능한한
정확하게 수평을 맞추기 위해 MPU-9250 9축 자이로 센서만 프레임 상단에 부착하고 나머지 부품들은 모두 프레임의
하단에 배치시켰다. 드론 프레임과 거의 일체화 되었다고 봐도 될 정도로 잘 들어맞았다.

다만 케이블로 이어 납땜을 하는 과정에서 전선들이 너무 어지럽게 배치되어 보기 안좋게 된 것이 못내 아쉬울 뿐…

어쨌든 더 미룰 수도 없고 해서 납땜을 해야 할 부분은 모두 해버렸다. 이렇게나 열심히 해놓았는데 만일 납땜의 문제로
뭔가 작동을 하지 않는다면…비뚤어지고 말테다…-.-!

총 5개의 보드를 붙인 것 치고는 꽤 슬림하게 잘 배치가 되었다.

삽질…

납땜을 하는 과정에서 무지하게 삽질을 했다. 당연하게도 SMD 타입의 nRF24L01 모듈이 문제였다.
지난 포스팅에서 언급한대로 이번에는 칼팁이 아닌 송곳 팁으로 남땜을 해보았다. 확실히 사용했던 팁 중에 가장
수월하게 작업이 되었다. 하지만 그럼에도 불구하고 SMD 타입의 nRF24L01 모듈같이 작은 영역은 땜질하기가 
너무나 어려웠다. 

첫 번째 시도에서는 기존 코드가 동작하지 않았다. 육안으로도 얼핏 납이 엉겨붙은 부분이 보였는데 아마도 이 때문이 
아닐까 싶었다.

그런데 어렵게 땜질한 것을 다 뜯어내고 새 모듈을 다시 땜질하여 붙였는데 이번에도 작동을 하지 않는 것이었다. 
이번에는 육안으로(고배율 루페로 확인) 확인했을 때에도 특별한 문제가 없어보였는데 작동을 하지 않았다.
이번 주말에 번거로운 작업을 모두 마무리하자는 일념으로 귀차니즘을 무릅쓰고 다시 다 뜯어내고 이번에는 기존의
nRF24L01 모듈을 연결시켜보았다. 그런데 이번에도 역시 동작을 하지 않았다. 그래서 혹시나 하고 송신부를 켠 후
다시 확인해보니 그제서야 신호가 잡혔다.

처음 시도에서는 송신부를 켰음에서 안되었던 것으로 봐서 확실히 문제가 있었던 것 같은데 두 번째 시도에서는
깜빠하고 송신부를 켜지 않은 채 그냥 잘 안된다고 판단하고 뜯어버리고 말았다. 제대로 테스트를 해보았더라면
아마도 일찍 마무리 지을 수 있었을지도…ㅠ.ㅠ

앞으로는 소프트웨어적인 테스트에서도 빠짐없이 모든 경우의 수를 다 테스트 해봐야겠다. 

정리

이렇게 해서 하드웨어 조립은 모두 마쳤다. 하지만 이게 정상적으로 작동을 할 지는 아직 미지수이다. 사실 간단하게 모터
구동 테스트를 위한 코드까지 넣어놓긴 했지만 잘 안될 것이 두려워 실제로 구동시켜 보지는 못했다. 배터리만 연결하면
바로 확인이 되겠지만…ㅠ.ㅠ

진행하다보니 이게 드론을 만들자는 것인지 소형화된 부품을 찾자는 것인지 모르게 되어버렸지만 어쨌든 이제 납땜은
모두 마쳤으니 다음 주말에는 모터의 장상 구동 여부 확인 후 다행히 잘 동작을 하면 본격적인 드론 동작을 구현하는 
단계로 나가고 그렇지 않다면….다시 조립해야 하나…ㅠ.ㅠ?

그저 프로펠러가 돌기를 바랄 뿐이다…

2019/01/13 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #1

2019/01/21 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #2

2019/03/03 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #3 (이번 글)

2019/03/11 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #4

2019/03/31 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #5

아두이노 미니 드론 만들기 #3

갈길은 먼데…내 주력 PC인 2012년 산 맥미니가 말썽을 부렸다…
워낙 맥에 아두이노 관련 중국산 칩들의 호환성이 떨어지는지라 아무래도 윈도우 PC에서 작업을 해야 할 것 같은데
집에 있는 윈도우 PC는 아이들이 주로 사용하다보니 내가 사용할 수 있는 시간이 별로 없었다.

결국 Parallels를 이용하여 맥미니에 윈도우를 설치하고 거기서 작업을 하려고 했는데…
왜??? 맥용 소프트웨어들은 메이저 버전이 올라가면 돈을 새로 받냔 말이다…ㅠ.ㅠ 돈 좀 아껴보려고 크랙버전을 찾아
설치를 좀 해볼까 시도하다가 결국 맥미니가 맛이 갔다. 딱 느낌이 쥬토피아의 나무늘보 같았다…-.-

그리고 Mac OSX 모하비를 클린 설치하기를 수차례…겨우 지난 주말에야 정상 복구 시킬 수 있었다.
하지만 2012년 맥미니의 성능으로는 아무리 메모리를 16Gb 장착을 해도 가상 환경에서 윈도우를 구동하는 것이
만만한 일은 아니었다. 아무래도 2018년 맥미니을 구해야 하나…ㅠ.ㅠ

각설하고 이런 이유로 한동안 드론에 손을 못댔고 그나마 작업한 부분도 블로그에 정리할 수가 없어서 이제야 겨우
조금이나마 진행한 내용을 올려본다.

개선

그동안 진행한 작업이라고는 부품들을 조금이나마 부피를 줄여 조립한 것이 다이다.
현재 사용할 보드들은 아두이노 프로 미니, MPU-9250 9축 자이로 센서, 그리고 통신을 위한 nRF24L01+ 이렇게
3개이다. 모두 크기가 그닥 크지 않은 모듈들이긴 하지만 지난 포스팅에서 정리한 작업처럼 핀헤더를 붙이고 케이블로
연결해서는 답이 안나온다는 것을 확인했다. 내가 구입한 드론 프레임에 올리기에는 높이가 너무 높아져버렸다.

결국 다시 처음의 계획대로 핀헤더 없이 각 보드들을 케이블로 직접 연결하기로 하고 추가로 nRF24L01 모듈이 더 작은
사이즈로 만들어진 것이 있기에 이놈을 추가로 구매해서 부피를 더 줄였다. 아래 사진을 보면 기존 모듈과의 크기를
비교할 수 있다. 거의 절반 가까이 크기가 줄었다.

새로 구입한 소형 nRF24L01 모듈은 부피가 작아진 것은 좋은데 연결 핀이 SMD 타입으로 되어있어(소형화의 당연한
결과이겠지만…) 과연 제대로 땜질을 할 수 있을지 매우 불안했다. 일단은 땜질 하기 전에 어떻게 연결해야 하는지 확인을
해보자. 첫 번째 사진은 기존 모듈의 핀맵이고 두 번째 사진은 새로 구입한 모듈의 핀맵이다.

핀 맵을 확인한 후 인두기를 꺼냈다. 검색을 해보니 작은 부분을 땜질할 때는 칼팁으로 하는 것이 좋다는 말에 처음으로
칼팁을 사용해 보았다. 나는 현재 인두기가 3개가 있는데 제일 처음 샀던 저가형 자야 인두기…사실 이놈으로도 땜질을
잘만 했는데 어느날 땜납이 잘 녹지 않는 것이었다. 싸구려라 맛이 갔구나…생각했는데…선무당이 사람 잡는다고…나중에
보니 당시 사용한 납이 무연납이었던 것이다…ㅠ.ㅠ 어쨌든 당시에는 인두기가 맛이 갔다고 생각해서 다시 그 유명한 하코
인두기 중 가장 저렴한 980 이두기를 새로 구입했다. 이 때 추가로 하코 정품은 아니고 호환 제품으로 칼팁을 하나 더
구했다. 그러다가 다시 banggood.com 검색하다가 싼맛에 인두기를 추가로 하나 질렀는데 여기에는 팁이 5개 정도가
기본 포함되어있었다. 아래 사진의 위에서부터 중국산 인두기, 하코 980, 자야 인두기 이다.

아무튼…그동안 하코 인두기로 잘 썼었는데 팁 갈아 끼워 가면서 쓰기가 귀찮아서 중국산 인두기에 칼팁을 끼워 사용해
보았다. 아니나 다를까…노안과 수전증의 합작으로 막 옆에 핀과 같이 붙여주기도 하고, 가끔은 납이 에베레스트만큼 솟아
오르기도 하고, 물론 아주 가끔은 뿌듯할만큼 잘 붙기도 하고…암튼 솔더위크 엄청 써가면서 겨우겨우 땜질을 마쳤다.
아무래도 땜린이에게는 칼팁도 어려운 것 같고 다음에는 중국산 인두기에 딸려 온 송곳 팁을 써봐야겠다.

언제 어디서 단선이 되거나 쇼트가 날지 모를 아슬아슬한 상태로 땜질을 마치고 나니 제법 아담한 사이즈로 완성이 
되었다. 특히나 새로 구한 nRF24L01 SMD 모듈이 아두이노 프로 미니에 포~옥 안기는 형태가 되어 보기가 참 좋았다^^.
추가로 nRF24L01모듈에 컨덴서(커패시터)를 붙여주면 더 안정적으로 통신을 할 수 있다고 하기에 붙여주었다.

작동 테스트

지난 포스팅까지 진행한 작업에서는 MPU-9250 9축 자이로 센서 동작만 확인을 했다. 그 후 nRF24L01 모듈의
통신을 테스트 해보았는데…이게 뭔 조화인지 전혀 통신이 되지 않는 것이다. 분명 코드는 맞게 작성을 했고 
시리얼 모니터를 보면 nRF24L01 모듈도 정상적으로 연결이 되었는데 조이스틱쪽과 드론쪽의 통신이 되지 않았다.

그러다가 예전에 싱글콥터 만들 때 테스트 하던 아두이노 나노에 연결해서 하니 정상적으로 통신이 되는 것이 아닌가…
그리고 다시 아두이노 프로 미니에 연결을 했더니 그 뒤로 통신이 아주 잘된다…-.- 손톱만한 모듈들에 농락당하는 
삶이라니…ㅠ.ㅠ

일단 통신은 되었지만 수정할 부분이 좀 있다. 조이스틱쪽 코드가 예전에 싱글콥터 개발 시 작성된 코드라 지금 만드는
쿼드콥터에 맞게 수정을 해야 하고 드론쪽도 코딩을 시작해야 하고…일단은 간단하게 코드의 중요 부분만 올려본다.

정리

별로 한 것도 없는데 컴퓨터가 맛이 가는 바람에 시간을 많이 잡아먹었다.
그래도 어영부영 한 1/3은 온 것 같고 이제 진짜로 중요한 코딩과 드론의 최종 조립만 남았다. 이제 컴퓨터도 복구가 
되었으니 조금 더 서둘러서 진행을 해야겠다.

그나저나 모듈들을 이렇게 소형화 하고 나니 다시 싱글콥터에 대한 욕심이 스멀스멀 밀려온다. 이번 미니 드론 작업을
마치면 바로 이어서 싱글콥터 작업을 시작해봐야겠다.

2019/01/13 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #1

2019/01/21 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #2 (이번 글)

2019/03/03 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #3

2019/03/11 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #4

2019/03/31 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #5

아두이노 미니 드론 만들기 #2

지난 포스팅에서는 우선 부품 구매와 간단하게 가조립을 통해 부품들을 어떻게 배치하는 것이 좋을 것인지에 대해
정리를 해보았다. 무게가 좀 불만스럽기는 하지만 대체로 만들만 하겠다는 판단이 섰다. 그리고 이번 주부터는 본격적으로
부품을 조립하고 아두이노 스케치를 작성하는 작업에 들어가기로 했다.

두 번째 삽질…

지난 번 첫 포스팅을 페이스북에 공유했을 때 페이스북의 한국 아두이노 사용자모임에서 ‘현자’님이 DC 모터 드라이버
보다 모스펫을 이용하여 모터를 제어하는 것이 어떻겠냐는 댓글을 달아주셨다. 안그래도 DC 모터 드라이버가 덩치도
큰데다가 역방향 회전이라는 불필요한 기능도 포함되어있어 불만스러웠던 차에 모스펫 이야기를 듣고나니 한번 모터
드라이버를 자작해볼까 하는 생각이 들었다.

당장에는 못만들어도 언젠가 만들겠거니 하고 적절한 사양의 모스펫을 주문을 했는데…이게 SMD 타입으로 너무
작아서 만능기판에는 납땜하기도 힘들고 아무래도 제대로 회로 기판을 만들어 써야할 것 같았다…ㅠ.ㅠ

그래서 덩치가 큰 트랜지스터 형태의 모스펫을 주문을 했는데…아뿔싸…ㅠ.ㅠ 이게 모스펫이 아니라 트라이액이라는
소자네…ㅠ.ㅠ 그냥 모양은 똑같고 triac이라고 써있길래 모스펫 브랜드 이름인가보다 했는데(실제로 triac이 브랜드
이름이 맞긴 하다)…모스펫하고 아예 성격이 다른 놈이었다…ㅠ.ㅠ 

모스펫

모스펫

빌어먹을 트라이액...-.-

모스펫과 트라이액에 대한 설명은 링크로 대신한다.

모스펫 : https://ko.wikipedia.org/wiki/MOSFET

트라이액 : https://ko.wikipedia.org/wiki/사이리스터#쌍방향_사이리스터_(TRIAC)

결국 처음 예정대로 구입한 DC 모터 드라이버를 사용하고 드라이버 자작은 훗날로 미루기로 했다.

하드웨어 조립

뭐든 시작하기 전에는 설계를 하기 마련! 그래서 일단 Fritzing을 통해 도면을 좀 그려봤다. 사실 그리 많은 부품이
있는 것은 아니라서 복잡하지는 않지만 송수신 부분에 사용하기로 한 nRF24 모듈이 핀을 7개나 잡아먹다보니
은근히 거미줄같은 도면이 나왔다.

지난 포스팅에서 말한 바와 같이 메인 컨트롤러는 아두이노 프로 미니를 사용하고 DC 모터 드라이버 2개, 수신용
nRF24, 그리고 자세 제어를 위한 MPU-9250 9축 센서가 전부이다.

처음에는 가능한한 부피와 무게를 줄이기 위해 핀헤더를 붙이지 않고 AWG30짜리 래핑 와이어를 이용하여 바로
연결을 할 생각이었다. 그리고 번거로움을 피하기 위해 납땜도 하지 않고 그냥 와이어를 절연테이프로 고정시키려고
했는데…역시나 절연테이프로는 제대로 고정이 되지 않아 접촉 불량이 심했다. 결국 납땜은 피할 수 없는 선택이
되고 말았다.

게다가 래핑 와이어를 직접 납땜을 해보니 와이어가 너무 가늘어서 피복 부분까지 덮어씌우지 않으면 납땜한 위치에서
똑똑 부러지기가 일쑤였다. 아무래도 불안하여 처음 MPU-9250 센서만 래핑 와이어로 직결하고 나머지 부분은 
핀헤더를 붙이고 말았다.

모터 부분도 문제가 좀 있었는데 8520 모터에 달린 커넥터가 DC 모터 드라이버의 소켓보다 작은 사이즈라서 모터 
드라이버의 핀을 안쪽으로 약간 휜 후 억지로 욱여 넣었다…ㅠ.ㅠ 육안으로 식별이 안되어 제대로 들어간 것인지 
모르겠지만 일단 느낌상으로는 뭔가 들어간 것 같긴 하다…-.- 그리고 DC 모터 드라이버의 input쪽에는 연결을 
하나씩 빼주었다. 어차피 역방향 제어는 필요 없으니까…

다음으로 문제가 되는 부분은 전원 분배 문제였다. 만능기판을 이용하여 만들려다가 그냥 케이블만 연결을 시켰다.
게다가 사용할 배터리는 2핀짜리 molex 51005 커넥터였는데 현재 가지고 있지도 않고 파는 곳도 국내 검색으로는
잘 안나오고…일단 아두이노용 점퍼 케이블로 배터리와 아두이노 프로 미니를 연결하기로 하고 DC 모터 드라이버로
들어가는 부분은 8520 모터와 동일한 규격의 커넥터(1.25mm JST Plug)를 연결하여 꽂기로 했다. 

전체가 마무리 된 것은 아니지만 이렇게 해서 일단 1차 조립은 완료가 되었다.

아두이노 스케치 하기

아두이노 스케치는 시작 하기도 전에 문제가 있었다. 나는 매킨토시를 사용 중인데 많은 호환 칩들이 Mac에서 쉽게
작동하지 않는다. 게다가 드라이버 설치도 만만치 않고 심할 경우 Mac 자체가 맛이 가는 경우도 있어 드라이버
설치가 꺼려지는 것도 사실이다.

아두이노 프로 미니에 스케치를 업로드 하기 위해서는 USB to TTL 시리얼 컨버터를 사용해야 하는데 구입한 것이
FTDI 칩을 사용한 것이었고 역시나 이 칩 역시 Mac에 별도의 드라이버를 설치해야 했다. 집에 윈도우즈 노트북이
있어 거기서 하면 편하긴 하지만 주로 아이들 학습용으로 쓰이고 있고 100만년만에 윈도우 환경에서 작업을 하려니
집중이 잘 안된다…ㅠ.ㅠ

결국 구글링을 통해 무사히 드라이버를 설치한 후 정상적으로 아두이노 프로 미니가 연결이 되었다.

Mac에 FTDI 드라이버 설치하기 : https://youtu.be/Ir2PVz1870E

드라이버 다운로드 : https://www.ftdichip.com/Drivers/D2XX.htm

하지만 여기서 끝이 아니었다. 스케치를 업로드 하려는데 컴파일 단계에서 다음과 같은 오류가 발생하였다.

fork/exec /Users/mazdah/Library/Arduino15/packages/arduino/tools/avr-gcc/5.4.0-atmel3.6.1-arduino2/bin/avr-g++: no such file or directory

조금 당황스러웠으나 역시나 구글링을 통해 해답을 찾았다.

air-g++ 오류 관련 해결책 : https://forum.arduino.cc/index.php?topic=547545.0

이렇게 해서 겨우겨우 아두이노 프로 미니에 스케치를 업로드 할 수 있었다.

이렇게 준비를 마친 후 우선은 제일 먼저 연결을 한 것이 MPU-9250이기 때문에 이쪽 예제부터 찾아보았다.
에듀이노 오픈랩 사이트에 예제가 첨부되어있어 간단하게 다운로드 받아 실행을 해보았다. 실행은 잘 되는 것 
같은데 아직 값을 해석하는 방법을 몰라 공부를 좀 해야 할 것 같다.

MPU-9250(GY-9250) 예제 : https://blog.naver.com/eduino/220887867791

스케치를 업로드 한 후 모듈을 움직여보니 시리얼 모니터에 아래 동영상과 같이 값이 출력된다.

정리

삽질도 많았고 아직 모르는 내용도 많고 생각보다 만만치 않은 작업이었다. 그래도 납땜과 같은 번거로운 작업은
모두 마무리가 되었고 다음 주부터는 간단하게 점퍼 케이블 연결하고 아두이노 스케치에만 전념하면 된다(은근히 
판 벌리는 것을 싫어해서 납땜같은 작업은 정말 작심하고 해야한다…-.-).

사실 아직은 9축 자이로 센서가 드론에서 어떤 역할을 하는지도 잘 모른다…ㅠ.ㅠ 우선 다음 주에는 모터를 제어하는 부분부터 정리를 좀 하고 자이로 센서는 느긋하게 알아봐야겠다.

2019/01/13 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #1 (이번 글)

2019/01/21 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #2

2019/03/03 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #3

2019/03/11 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #4

2019/03/31 - [Study/아두이노] - [아두이노] 미니 드론 만들기 #5

아두이노 미니 드론 만들기 #1

2017년 7월 경…아두이노를 이용하여 싱글콥터(프로펠러가 하나인 드론)을 만들겠다고 한참 삽질을 했었다.
물론 성공하지는 못했다. 다만 잠깐 띄우는 정도…(유튜브 영상 : https://youtu.be/sI5e4swuRTM)

다양한 시도를 하였지만 일부 구현되지 않은 기능(자이로 센서를 이용한 균형 잡기 등)과 적절하게 프레임을 구성하지
못하는 등의 한계로 보류를 해두었다.

그런데 겨울방학을 맞아 아이들이 다니는 태권도장에서 드론 만들기 수업을 한다고 하길래 아이가 하고 싶어하기도 하고
또 어떻게 진행되고 어떤 드론을 만들어 오는지도 궁금하여 시켜주려 하였는데 다른 곳에 돈을 쓰게 되어 결국은 시켜주지
못하게 되었다. 대신 아쉬워하는 둘째 아이를 위해 아빠가 직접 만들어주겠다고 호언장담을 해버렸다…ㅠ.ㅠ

그래서 한동안 묵혀두었던 부품들을 주섬주섬 꺼내고 또 일부 부품들은 새로 구입을 하여 드론 만들기에 돌입을 하였다.
물론 이번에는 싱글콥터가 아닌 쿼드콥터로…

구상

처음에는 시중에 판매하는 아두이노 드론 키트를 구매해볼까 하는 생각도 했다. 그런데 검색 사이트를 통해 아두이노 
드론 키트를 검색하게 되면 대부분 10만원이 넘는 금액의 키트들이 검색된다. 아무래도 비용이 애들 엄마의 허락 범위를
넘을 것 같기도 하고 또 뭔가 남이 상당부분 만들어놓은 것을 조립하는 것은 별로 재미도 없을 것 같아 밑바닥부터 직접 
만들어보기로 했다.

직접 만들기로 하면서 가장 문제가 되었던 것은 바로 프레임이었다. 이제는 3D 프린터가 있어 쉽게 만들 수 있을 것이라
생각했지만 내가 가진 3D 프린터의 출력 사이즈가 작다보니 한 번에 프레임을 찍어낼 수가 없는 상황이었다. 조금은
색다른 형태의 드론을 만들어보고 싶었지만 아무래도 다음 기회로 넘겨야겠다.

결국 프레임도 구매하기로 하고 나머지 부품들도 아두이노와 아두이노 관련 모듈들로 구매하여 조립을 해보기로 하였다.

부품의 준비

이렇게 결정한 후 구매한(혹은 이미 구매를 해놓은) 부품들을 하나씩 정리해보도록 하겠다.
일단 전체 부품들은 다음 사진과 같다.

각각의 부품들을 좀 더 상세하게 살펴보자.

드론 프레임 
- Q100 카피 제품으로 사진은 별도로 안찍었다. 위 사진의 프레임이다. 모터는 8520 모터를 사용
가능하고 프로펠러는 65mm까지 사용 가능하다. 가격은 4,260원

Flight Controller 
- 메인 컨트롤러는 아두이노 프로 미니 3.3v 8Mhz이다. 아두이노 프로 미니를 구매할 때 삽질을 조금
하였는데…아무 생각 없이 전에 하던대로 5V로 작동하는 제품을 선택한 것이다. 드론 자체는 3.7V로
작동을 해야 하는데 아두이노가 5V로 작동을 하게 되면 아두이노를 위해 별도의 배터리를 장착해야 하는
상황이 생긴다. 늦게서야 이 사실을 파악하고 부랴부랴 배송 전에 3.3V짜리로 교환 요청을 했다. 덕분에
배송은 좀 늦어졌지만…ㅠ.ㅠ 가격은 3,300원

자이로 센서 
- MPU-9250 9축 자이로 센서로 구입을 하였다. 원래 전에 구입해놓은 것이 있는데 찾지를 못해 새로
구입을 하였다…ㅠ.ㅠ 가격은 6,050원

DC 모터 드라이버 
- 현재 키트로 판매되고 있는 아두이노 드론들을 보면 베이스 보드라 하여 모터 드라이버 기능이 포함된 별도의
보드가 부품으로 포함되어있다. 내가 회로 설계를 할 줄 안다면 하나 만들어보겠으나 그런 재주는 없으니…-.-
이 부품으로 인해 무게에서 많은 손해를 보고 들어간다…ㅠ.ㅠ 일단 L9110 모터 드라이버 중 가장 작아보이는 
놈으로 골랐다. 보통 DC모터 드라이버가 드라이버 1개 당 DC모터 2개를 제어할 수 있으므로 2개를 구매했다. 
개당 가격은 3,740원

배터리 
- 배터리는 전에 구매해놓은 적이 있는 3.7V 500mah Li-Po 배터리를 사용하기로 했다. 
가격은 잘 기억이 안나지만 5,200원 선일 것이다.

8520 코어리스 모터 
- 모터 역시 예전에 구매해놓은 것인데 유튜브 영상에서 레이서스타 제품이 성능이 높게 나온 것을 보고 뱅굿에서
구매한 모터이다. 일단 RPM이 53500으로 보통 45000정도인 다른 제품보다 높다. 가격은 4개 한묶음으로
15,922원
유튜브 : https://youtu.be/AMWXXCHrHto

프로펠러
- 프로펠러 역시 모터와 함께 구매해 놓은 것으로 유튜브 동영상에서 가장 성능이 높게 나온 것으로 선택한 것이다.
킹콩 65mm 프로펠러이고 10쌍 가격은 5,679원 
유튜브 : https://youtu.be/VtKI4Pjx8Sk

수신기 
- DC 모터 드라이버와 마찬가지로 송수신기 역시 별도의 부품으로 만들어야 한다. 실내 공간이므로 블루투스로도
충분하지만 보다 저렴하기도 하고 예전에 싱글콥터 만들 때 이미 nRF24L01+ 모듈 기반으로 만들어 둔 송신기와 
코드를 재활용할 수도 있어 수신기 역시 nRF24L01+ 모듈을 선택했다. 가격은 1,100원

송신기
- 앞에서 말했듯이 2017년에 싱글콥터 만들 때 만들어놓은 송신기를 재활용 할 것이다. 송신기는 아두이노 나노와
듀얼 조이스틱 모듈 그리고 nRF24L01+ 모듈로 만들어져있다.

가조립과 무게

일단 모든 것을 직접 제작하기로 한 후 가장 걱정이 되는 것은 드론의 무게였다. 워낙에 무게가 적게 나가는 미니 드론이다
보니 1~2g도 영향을 크게 미친다고 하는데 많은 부품들이 기판에 소형화되어 올려진 전용 보드에 비해 개별로 부품을
사용하다보니 무게가 너무 많이 나가지 않을까 걱정이 되었던 것이다. 일단 부품들을 쌓아 올려 무게를 한 번 재보았다.
완성이 된다면 케이블 등으로 인해 무게가 조금 더 늘겠지만 일단 배터리를 포함한 부품만의 무게는약 60g이었고 여기서
배터리를 제외하면 약 42g으로 생각보다는 많이 나가지 않았다.

그리고 부품들을 프레임에 배치를 해보았다. 두 번째 걱정은 작은 프레임 안에 덩치가 큰 부품들을 제대로 배치할 수
있을까 하는 문제였다. 특히나 DC모터 드라이버가 덩치가 커서 조금 걱정이 되었는데 드론 바닥쪽으로 붙여보니 나름
적절하게 배치가 되었다.

정리

일단 이번 주말은 여기까지 진행을 해보았다. 아마 다음주부터는 제대로 골머리좀 썪을 것 같다.
우선 아두이노 프로 미니가 USP 포트가 없는 관계로 USB to TTL모듈을 이용하여 프로그램을 업로드 해야 하기도 하고
각 부품의 배선을 어떻게 하느냐도 문제다. 당연히 프로그래밍도…ㅠ.ㅠ

특히 부품간의 배선은 무게를 최소화 하기 위해 핀헤더라든지 아두이노용 점퍼 케이블은 사용하지 않고 굵기가 가는
래핑와이어를 사용하려고 하는데 납땜을 하자니 조금 귀찮고 그렇다고 절연 테이프로 하자니 그건 또 그것 대로 귀찮고…

일주일간 방법을 잘 모색해보고 다음 주말부터 본격적으로 시작해보자.

Linear Actuator를 이용한 2족 보행 로봇 제작 ~ #2

지난 글이 7월 12이고 그 지난 글이 6월 19일이었다.
지난 글은 3D 프린터 A/S 관련 글이었으니 로봇 제작과 관련된 글은 달 수로 2달이 지났다.
출력 시간과 여러가지 여건상 글 작성이 늦어질 것을 예상하긴 했으나 생각 이상으로 글 작성 간격이
길어지고 있다...ㅠ.ㅠ

이래서는 맥이 끊어질 것 같아 지금 새로운 방법을 모색하고 있다.

Scratch Building

Scratch Building의 정의는 이렇다.

Scratch Building란 상업용 킷을 이용하지 않고 처음부터 일상의 각종 재료를 이용하여 축적 모형을 제작하는 방법이다. — Wikipedia : https://en.wikipedia.org/wiki/Scratch_building

메이커 코스프레를 하고 있다보니 관련 분야에 대한 지식들이 하나 둘씩 모인다.
현재 제작 중인 로봇에 참고하기 위해 주로 pinterest와 youtube를 통해 mech, war robot, robot 등으로 검색을
하다보면 대체로 컨셉 아트에 해당하는 2D 일러스트나 3D 모델링들이 검색된다. 그런데 가끔 조금 독특한 형태의 로봇
모형들이 검색되는 경우가 었다. 꽤나 사실적이면서도 건담류의 기성 상용 제품들과는 달리 매우 거칠고 투박한, 그리고
매우 유니크한 로봇들...

물론 Scratch Building이 로봇에만 국한되는 제작법은 아니지만 내가 하고자 하는 것이 로봇 제작이기에 로봇을 위주로
찾게 되었다.

제작 영상 : https://youtu.be/ftmtvu9dB2s

한편으로는 Kitbashing이라는 제작법도 있다.

Kitbashing이란 서로 다른 기존 상용 모델 제품을 조합하여 새로운 축적 모형을 제작하는 방법이다.
-- Wikipedia : https://en.wikipedia.org/wiki/Kitbashing

사실 건프라를 이용하여 기존 상용 제품과는 다른 모델들을 만들어 내는 것은 엄격하게 말해 Kitbashing에 속하지만
넓은 범위에서 Scratch Building이라는 용어를 더 자주 사용하는 것 같다. 역으로 Scratch Building이라고 하지만
상용 밀리터리 모델 킷을 이용하여 모형을 만드는 경우도 많기는 하다.

중요한 것은 3D 프린터를 이용하면 수작업으로 표현하기 어려운 형태를 쉽게 만들어낼 수 있다는 장점이 있지만 출력
시간으로 소모되는 시간과 또 3D 프린터라고 해서 만능은 아니기에 이러한 Scratch Building 기술을 익혀놓는다면
좋은 시너지 효과가 생길 것으로 생각된다.

즉, 기본적인 형태는 단순한 모양의 입체로 3D 프린터로 출력하여 골격을 갖추고 디테일한 디자인은 scratch building
으로 보강을 하는 것이다. 왕년에 3T 두께의 하드보드를 커터로 수도 없이 잘랐던 내가 뭘 두려워하랴...-.-

로봇 제작 재개!

일단 이전 작성한 글에서 3D 프린터 A/S 후기를 올렸었다. 그런데...

A/S 받고 온지 3일만에 다시 문제가 생겼다. 이미 한 차례 방문으로 우리 집에서 그 곳이 얼마나 먼지를 학습했기에
마음은 급하지만 더이상 방문할 엄두는 내지 못하고 이번에는 택배로 A/S를 보냈다. 택배 배송기간, 수리기간 모두
합쳐 꼬박 1주일 간의 시간을 손가락 빨면서 기다렸다...ㅠ.ㅠ(물론 계속 모델링을 하긴 했다).

1주일의 기나긴 기다림 끝에 드디어 프린터가 돌아왔고. 약간 달리진 부분이 있어 문의했더니 모터쪽 결함으로 인해
수리 기간이 길어질 것 같아 새로 입고된 다른 제품을 대신 보내줬단다. 토요일에 프린터를 받아 주말 동안 테스트 출력을
해본 결과는 합격이었다.

그렇게 해서 그동안 모델링한 각 부위들을 차례차례 출력하였다. 우선 골반 부위에 SG90 서보모터 6개를 고정시킬
부품은 모두 출력이 되어 조립을 해보았다. 기존 포함된 서보 혼을 대체할 부품도 만들어 끼워주었다.

전체적으로 생각보다 크기가 상당히 컸다.

다음으로는 골반과 허벅지를 이어줄 연결부를 만들었다. 상당한 출력 시간이 필요한 부품이었는데 한 번 실패한 후
무사히 2개를 모두 출력하였다. 다만 한쪽에서 수축이 발생하여 조금 변형이 생겼는데 어차피 외장을 입힐테니 가볍게
넘어가기로 했다.

이렇게 만들어진 모든 부품을 조립하니 아래 사진과 같은 모양이 되었다. 다시 봐도 좀 크다.

일단 동작 범위를 보면 아래 영상과 같다. 이러한 동작을 아두이노를 이용하여 제어를 해야 한다.

https://youtu.be/N7aqzBunBYk

욕심같아서는 아래 사진과 같은 Stewart platform으로 구현을 하고 싶지만 그러려면 다리 한쪽에 6개의
actuator가 필요하게 되어 일단 조금 심플하게 만들어봤다.

> Stewart platform이란? : https://en.wikipedia.org/wiki/Stewart_platform

3D 프린팅의 어려움...

이렇게 한동안 신나게 출력하고 조립하고 잘 진행되는 듯하더니...또 다시 전조 증상이 발생하기 시작했다.

위 사진은 허벅지 부위에 이전에 만들었던 linear actuator를 고정시킬 부품인데, 보시다시피 상단부에 구멍이 숭숭
뚫린 것이 압출 불량의 증상이 나타났다. 여기까지는 그리 심하지 않고 역시나 외장 부품으로 상당부분 가려질 것이라서
용서가 되었는데...

이 부품은 말하자면 허벅지 뼈대로 고관절과 무릎을 이어주는 부품인데 무릎쪽 연결 부위가 이렇게 심하게 골다공증
증상을 보이고 있다. 그리고 이 것을 시작으로 이후 출력해야 할 부품들이 제대로 출력되지 않고있다. 최초 발생했던
문제들처럼 일정정도 출력 후에 필라멘트가 압출되지 않고 노즐만 헛돌다가 출력이 끝난다. 밤에 출력 걸어 놓은 것을
아침에 확인해봤을 때 반동가리도 안되는 부분만 오롯이 놓여있는 모습이 보이면...ㅠ.ㅠ

이 무더운 날 가뜩이나 잠 설치는데 프린터의 소음까지 견뎌가며 기다린 결과가 이런 것이라면...ㅠ.ㅠ

그런데 아무래도 이번에는 프린터 자체의 문제도 있겠지만 모델링 문제도 한몫 한 것이 아닌가 싶다.

그림에서 보는 것과 같이 분할면이 복잡하다. 아무래도 tweek을 너무 많이 사용한 것이 문제가 아닌가 싶다.
tweek을 쓰다 보면 면의 두께가 매우 얇아지는 문제가 많이 나타나고 또한 경사각이 많이 생긴다 이런 형태들이 출력에
영향을 주었을 것 같다. 이 것보다 복잡한 구조물이 더 많은데...걱정이다...ㅠ.ㅠ

우선은 급한대로 출력 속도를 좀 늦춰봐야겠다. 아무래도 좁은 간격을 빠르게 움직이면서 충분한 압출이 이뤄지지 않은 
것 같다. 만약 그래도 안되면 조금 더 단순한 모양으로 출력을 한 뒤 디테일은 scratch building으로 처리해야겠다.
더이상은 A/S 보내는 것도 힘들다...ㅠ.ㅠ 다음 3D 프린터는 무조건 자작이다!

글 작성 후 몇가지 테스트 중에 3D 프린터 문제를 해결하였다. 아래 사진의 빨간 표시가 된 부분은
thingiverse에 올라와 있는 필라멘트 필터라는 도구다.
저 안에는 솜뭉치가 들어있고 약간의 올리브유를 적셔주었다. 

원래 이 필터의 목적은 필라멘트에 묻은 먼지등을 제거해주는 역할인데 내 프린터는 저 필터가 없었을 경우
장시간 출력을 하게 되면 필라멘트가 빨려들어가는 입구에서 열로 인해 꺾여버린다.
거의 90도로 꺾이다보니 익스트루더 모터가 잡아당겨도 꺾어진 각도 때문에 제대로 필라멘트를 끌어오지
못하는 문제가 발생을 한 것이다.

결국 필터를 저 위치에 끼워주니 필라멘트가 꺾이는 상황을 방지할 수 있게 되었고
이후로 다시 출력이 잘 되고 있다^^.

정리

일단 다리까지만 모델링한 상태가 아래 사진과 같다.

아직도 출력할 부품들은 많은데 프린터는 위태위태하고...마음은 급하고. 내 계획으로는 8월까지는 로봇 제작을 완료해야
하는데...하....여차하면 16년도에 SEW 프로토타입을 만들었을 때처럼 동력부를 제외한 나머지 부분은 full scratch
building으로 처리해야 할지도 모르겠다...이 더운날에...

오늘도 우리 집 방 한구석에는 자그마한 3D 프린터가 
한여름 불볕더위를 더하는 데 한 몫 하고 있다...ㅠ.ㅠ

facebook page : https://www.facebook.com/HJ.WOO/?modal=admin_todo_tour

Data Analysis : Prologue - EMQ + Kafka + openTSDB + Grafana

사실 이 포스팅의 제목을 어떻게 정해야 할지 고민이 많았다. 일단 클러스터 설치는 마쳤으니 당연히 이전 포스팅의
카테고리에서는 벗어나야 할 것이고, 실제 데이터를 다루기 시작하였으니 데이터 분석의 시작은 시작인데…
수집되는 데이터 자체가 딱히 분석할만한 데이터는 아니고…암튼 조금은 모호한 지점에 있는 작업이 되어버렸다.
더군다나 본격적인 데이터 분석은 아직 한참 더 공부한 이후 시작될 터인데…

하지만 역시나 데이터를 다루기 시작했으니 데이터 관련 제목을 붙여야 하겠다고 결정을 했다. Prologue라는 부제와
함께. 이후 The Beginning을 시작하게 되겠지만 아마도 시간이 조금 걸리지 않을까 싶다. 오늘은 가볍게나마
이전에 클러스터 구성 내용을 정리할 때 누락된 openTSDB와 Grafana 설치에 대한 내용과 EMQ -> Kafka ->
openTSDB -> Grafana로 이어지는 데이터 수집/저장/시각화 과정을 정리해보도록 하겠다.

시나리오

직전 포스팅(아두이노 온습도계 제작)에서도 언급했듯이 좀 더 그럴싸한 데이터를 모아 분석을 해보고 싶었지만
막상 작업을 시작하고 보니 마땅히 모을 수 있는 데이터가 없었다. 그렇다고 데이터를 찾아 다닐수만은 없기에
우선 쉽게 접근할 수 있는 것으로부터 시작해보기로 했다. 시나리오는 다음과 같다.

1. 아두이노로 제작된 온습도 및 먼지 센서를 통해 온도,습도,먼지 농도,시간 데이터 수집
2. MQTT 프로토콜을 통해 EMQ 서버로 데이터 전송
3. EMQ 서버로 publishing 된 데이터를 Kafka에서 subscribing
4. Kafka에 들어온 데이터를 openTSDB에 저장
5. openTSDB에 저장된 데이터를 Grafana로 시각화
6. Spark를 이용하여 데이터 분석 (이상 감지)

EMQ를 통해 M2M 통신을 하는 상황이거나 데이터 누락을 어느 정도 허용하는 작업이라면 굳이 Kafka가 필요하진
않을 것이다. 하지만 일단 데이터를 수집하고 분석하는 작업을 전제로 하였기에 누락되는 데이터를 Kafka에서 1차로
완충하도록 구성하였다. 최종 분석단계에 해당하는 6번 Spark를 이용한 데이터 분석은 아직 좀 더 학습이 진행되어야
할 부분이다.

openTSDB 설치 및 실행

최근 시계열 데이터를 처리하는 NoSQL로는 influxDB가 대세인듯하다. 다만 openTSDB가 HBase를 기반으로
작동한다는 한 가지 이유만으로 나는 openTSDB를 선택하였다. 설치 및 연동 과정에서 후회를 많이 했지만 결국
불굴의 의지로 제대로 연동 시키고야 말았다…ㅠ.ㅠ influxDB가 대세라는 것은 구글링만 해봐도 충분하다. 이놈에
openTSDB는 검색을 해도 설치 외에는 쓸만한 정보가 없더라…-.-

간단하게 openTSDB의 개요를 말하자면 TSD라는 데몬을 통해 외부의 시계열 데이터를 HBase에 생성된 테이블에
저장하는 구조이다.

설치 시 유의사항

현재 최신 릴리즈는 2.3.0 이며 pre-release가 2.4.0 RC2까지 나와있다. 아래 설명할 kafka와의 연동을
위한 opentsdb-rpc-kafka라는 plugin을 사용하기 위해서는 반드시 2.4.0 RC2 버전을 설치해야 한다.
나는 이 사실을 모르고 2일간 삽질을 했다…ㅠ.ㅠ 

설치는 역시 간단하다. 압축 파일을 다운로드 받아 적당한 디렉토리(나는 당근 /opt)에서 압축을 풀고 압축을 푼
디렉토리 내에 있는 build.sh를 실행시키는 것만으로 설치는 끝이다. 

다만 앞서 말한 것처럼 openTSDB는 HBase 기반으로 작동을 하기 때문에 HBase가 이미 설치 되어있다는 것을 
전제로 한다. 나는 이미 이전에 클러스터를 구성하였기에 바로 설치에 들어갔다.

설치가 끝나면 build.sh 파일이 있는 그 경로에 build라는 경로가 추가되고 그 안에 openTSDB 실행 파일 등이
위치하게 된다. 설치가 끝나면 가장 먼저 테이블을 생성해주어야 한다. 테이블 생성 스크립트는 build/src 아래에
있다. 아래와 같이 실행해준다.

$ cd /opt/opentsdb/build
$ env COMPRESSION=NONE HBASE_HOME=/opt/hbase ./src/create_table.sh

이렇게 실행하면 ‘tsdb’, ‘tsdb-uid’, ‘tsdb-tree’, ‘tsdb-meta’ 이렇게 4개의 테이블이 HBase 상에 생성된다.

그리고 마지막으로 설정을 한다. 설정파일은 최초에 압축을 푼 디렉토리 밑에 있는 src 디렉토리에 있다.
나의 경우에는 /opt/opentsdb/src가 그 경로이며 파일 이름은 opentsdb.conf이다. 이 파일을 build로
복사한다. 즉, /opt/opentsdb/build로 복사를 하는 것이다. 수정해야 할 설정 내용은 간단하다.

# The TCP port TSD should use for communications
# *** REQUIRED ***
tsd.network.port = 4242
...
# The location of static files for the HTTP GUI interface.
# *** REQUIRED ***
tsd.http.staticroot = /opt/opentsdb/build/staticroot

# Where TSD should write it's cache files to
# *** REQUIRED ***
tsd.http.cachedir = /tmp/opentsdb
...
# Whether or not to automatically create UIDs for new metric types, default
# is False
tsd.core.auto_create_metrics = true

여기까지 모두 마쳤으면 /opt/opentsdb/build아래 있는 tsdb를 다음과 같이 실행해준다.

$ /opt/opentsdb/build/tsdb tsd

실행한 콘솔창에 로그가 올라가는 것이 보일 것이고 localhost:4242로 접속을 하면 아래 이미지와 같은 콘솔
화면을 볼 수 있다.

센서 데이터의 포맷 변경

기존에 아두이노 온습도계에서 EMQ 서버로 전송하던 데이터는 포맷을 좀 바꾸어야 한다. openTSDB에 저장하기
위한 데이터 포맷은 JSON 형식으로 모두 3가지 유형이 있다.

• Metric
• Aggregate
• Histogram

자세한 설명은 생략하고…-.- 나는 가장 기본적인 Metric 형태로 데이터를 저장하기로 했다. Metric 형태로 저장할
경우 JSON 포맷은 다음과 같다(여러건을 한번에 보내려면 아래 형식을 배열 안에 넣으면 된다).

{
    "metric": "sys.cpu.nice",
    "timestamp": 1346846400,
    "value": 18,
    "tags": {
       "host": "web01",
       "dc": "lga"
    }
}

metric은 전체 측정 단위를, timestamp는 이름 그대로 long 타입의 타임스탬프를 value는 측정 값을, tags는
세부 분류를 위한 키-값 쌍을 추가하면 된다. 나의 예로 좀더 자세하게 살펴보자.

[
   {
      "type": "Metric",
      "metric": "mqtt.home.pcroom",
      "timestamp": 1346846400,
      "value": 22.5,
      "tags": {
         "type": "temperature",
         "loc": "pcroom"
      }
   },
   {
      "type": "Metric",
      "metric": "mqtt.home.pcroom",
      "timestamp": 1346846400,
      "value": 18.2,
      "tags": {
         "type": "humidity",
         "loc": "pcroom"
      }
   },
   {
      "type": "Metric",
      "metric": "mqtt.home.pcroom",
      "timestamp": 1346846400,
      "value": 22.3,
      "tags": {
         "type": "dust",
         "loc": "pcroom"
      }
  }
]

위 내용을 살펴보면 우선 같은 시점에 측정된 온도/습도/먼지의 측정값을 배열로 넘기고 있다. 이 데이터를
만드는 것은 아두이노에서 처리하며 관련 내용은 아래 링크의 소스코드 부분을 참조하면 된다.

아두이노를 이용한 온도/습도/먼지 측정기

최상위에 있는 type 값은 openTSDB 자체를 위한 것이 아니라 opentsdb-rpc-kafka plugin에서 필요한
것이다. 3가지 유형 중 하나를 지정하기 위한 속성이다.

metric의 값은 임으로 정하면 되는 것으로 나의 경우 그 의미는 mqtt를 이용하여 home에 있는 컴퓨터방
pcroom의 측정값이라는 뜻이다. 

timestamp와 value는 달리 설명할 부분이 없고 tags에 보면 type에 각각 temperature, humidity, dust
라는 값이 들어있는데 의미 그대로 온도와 습도와 먼지를 뜻한다.

이렇게 3개의 값을 하나의 배열에 포함시켜 보내는 것이다. tags에서 loc는 큰 의미는 없다. 필요에 따라 추가적인
값을 지정하면 된다.

Kafka와 openTSDB 연동

openTSDB 자체에 대한 자료 혹은 openTSDB와 Grafana 연동에 대한 자료는 그럭저럭 찾을 수 있었는데
Kafka와 openTSDB와의 연동에 대한 자료는 거의 찾을 수가 없었다. 구글링을 하면 가장 상위에 검색되는
내용이 2개인데 하나는 opentsdb-rpc-kafka라는 openTSDB의 plugin이고 다른 하나는 
kafka-connect-opentsdb라는 Kafka connector이다. 뭔가 사용하기에는 connector쪽이 쉬워보였으나
openTSDB의 HTTP API를 이용한다는 점이 맘에 들지 않았다. 그래서 opentsdb-rpc-kafka를 선택하게
되었고 그렇게 고난의 길은 시작되었다…ㅠ.ㅠ

일단 opentsdb-rpc-kafka는 Github에서 소스를 내려받은 후 빌드를 하여 jar 파일을 만들어야 한다.
소스는 Maven 프로젝트로 되어있어 이클립스에서 빌드하거나 또는 프로젝트 디렉토리 아래에서 man package
명령으로 빌드하면 된다.

플러그인 소스 경로는 다음과 같다.

https://github.com/OpenTSDB/opentsdb-rpc-kafka

이렇게 빌드된 jar 라이브러리를 /opt/opentsdb/build 아래에 plugins 디렉토리를 만들어 그 안에 넣는다.
plugin 라이브러리의 최종 위치는 다음과 같다. 그리고 이 plugin의 경로는 반드시 classpath에 추가시켜주어야 한다.

$ /opt/opentsdb/build/plugins/opentsdb-rpc-kafka-2.3.2-SNAPSHOT.jar

그리고 opentsdb.conf 설정 파일에 plugin과 관련된 내용을 추가해주어야 하는데 아래와 같은 내용을 설정 파일의
제일 하단에 추가해주면 된다. 물론 각 설정 값은 각자의 환경에 맞게 입력해야 한다. 고정이라고 주석을 달아놓은
설정 외에는 각자 환경에 맞춰 수정을 하자.

# --------- PLUGINS ---------------------------------
tsd.core.plugin_path = /opt/opentsdb/build/plugins
## 고정
tsd.core.storage_exception_handler.enable = true
## 고정
tsd.core.storage_exception_handler.plugin = net.opentsdb.tsd.KafkaStorageExceptionHandler
## 고정
tsd.rpc.plugins = net.opentsdb.tsd.KafkaRpcPlugin
KafkaRpcPlugin.kafka.zookeeper.connect = rpi1:2181,rpi2:2181,rpi3:2181
KafkaRpcPlugin.kafka.metadata.broker.list = rpi1:9092,rpi2:9092,rpi3:9092
KafkaRpcPlugin.groups = mqtt
KafkaRpcPlugin.mqtt.topics = mqtt-kafka
## 고정
KafkaRpcPlugin.mqtt.consumerType = raw
## 고정
KafkaRpcPlugin.mqtt.deserializer = net.opentsdb.data.deserializers.JSONDeserializer
#KafkaRpcPlugin.mqtt.rate = 5
KafkaRpcPlugin.mqtt.threads = 3
## 고정
KafkaRpcPlugin.seh.topic.default = seh

앞서 말한 바와 같이 이 플러그인을 사용하기 위해서는 openTSDB 2.4.0 RC2 버전을 설치해야 한다.
한동안 자바 개발을 등한시 했더니 아주 사소한 것을 파악하지 못해 삽질을 따따블로 했다. 분명 빌드는 잘 되는데
plugin 설치하고 openTSDB를 기동하면 쌩뚱맞게 속성에 접근하지 못한다느니, 메소드가 존재하지 않는다느니
하는 메시지가 나오면서 plugin이 제대로 작동하지 않는 것이다.

나중에 확인해보니 소스에 포함된 openTSDB 라이브러리는 2.4.0 버전이고 내가 설치한 openTSDB는 2.3.0
이었다. 전체적인 패키지 구조는 같지만 클래스 내에 변화가 있었기 때문에 속성이나 메소드 사용에 문제가
있었던 것이다. 확인 후 부랴부랴 2.4.0 RC2 버전으로 다시 설치를 하였다.

이제 다시 한 번 openTSDB를 실행해보자(이미 실행중이라면 실행 중인 콘솔에서 ctrl+c를 눌러 종료시키자).
드디어 Kafka에서 데이터를 쭈~욱 쭉 뽑아오는 모습을 볼 수 있을 것이다.

이 데이터는 이전에 클러스터 관련 포스팅 중 EMQ와 Kafka의 연동을 통해 가져온 데이터들이다. 관련 내용은 아래 
링크에서 확인할 수 있다.

Cluster : The Beginning - Apache Kafka와 EMQ 연동

주의 사항

EMQ에서 Kafka로 전송된 데이터의 포맷은 형태가 다르다. 실제로 openTSDB에 저장하기 위한 내용은
payload 부분에 들어있는데 이 payload의 값은 Base64 인코딩이 되어 저장된다. kafka와 EMQ 연동을
위해 사용한 connector에서 그렇게 처리를 하고 있다. 따라서 opentsdb-rpc-kafka plugin에서 데이터를
제대로 처리하기 위해서는 Kafka에서 받아온 값에서 payload의 값만을 추출한 뒤 이 값을 Base64 디코딩
하여 전달해야 한다. 

이 부분을 처리해야 하는 소스는 net.opentsdb.tsd.KafkaRpcPluginThread.java의 run 함수이다.

이렇게 모든 과정이 끝나면 앞서 localhost:4242로 접근했던 웹 콘솔을 통해 쿼리가 가능하다. 그런데 어쩐 일인지
나의 경우 오류가 발생하면서 데이터 조회가 되지 않았다. 콘솔창에 찍히는 URL이 조금 이상해 보이긴 한데 그것이
원인인지는 잘 모르겠다. 결국 openTSDB 자체 웹 화면에서 데이터를 조회하는 것은 성공하지 못했다.

Grafana 설치 및 설정

적어도 설치에 있어서는 지금껏 설치한 모든 시스템 중 Grafana가 가장 친절하였다.
운영체제별로 다운로드 버튼이 있고 이 버튼을 누르면 해당 운영체제에 설치하는 방법이 나온다.
나는 현재 Mac mini에 설치를 하고 있기 때문에 Mac에 대한 설치 방법을 제공해 주는 것이 얼마나
반가웠는지 모른다…ㅠ.ㅠ 설치는 매우 간단하다.

brew update 
brew install grafana

이렇게 설치를 하고나면 다음과 같은 내용이 콘솔 화면에 표시된다.

To have launchd start grafana now and restart at login:
  brew services start grafana
Or, if you don't want/need a background service you can just run:
  grafana-server —config=/usr/local/etc/grafana/grafana.ini —homepath /usr/local/share/grafana cfg:default.paths.logs=/usr/local/var/log/grafana cfg:default.paths.data=/usr/local/var/lib/grafana cfg:default.paths.plugins=/usr/local/var/lib/grafana/plugins

친절하게 Grafana의 실행 방법을 알려주는 것이다. 나는 그냥 간단하게 brew를 통해 실행을 하였다.
설정파일은 상당히 긴 편인데 따로 변경해주어야 할 것은 아무것도 없다. 웹 화면의 포트를 바꾸는 정도?

openTSDB와의 연동

설정을 바꾸지 않았다면 localhost:3000으로 Grafana 웹 콘솔에 접근할 수 있다. 처음 접속하면 계정을 물어보는데
기본 계정은 admin / admin이다. 접속을 해서 가장 먼저 수행해야 하는 작업은 Datasource를 연결하는 것이다.
Grafana는 다양한 DB와 연동 가능한데 type 항목에서 select box를 클릭하면 다음과 같이 목록이 표시된다.

나머지 설정들은 자료도 많고 하니 참고해서 입력하면 되는데 나같은 경우 HTTP settings에서 Access를 Direct로
설정하니 데이터 소스에 연결이 되지 않았다. Access를 proxy로 설정하고 HTTP Auth를 With Credentials로
설정하니 비로소 데이터소스 연결에 성공했다는 메시지가 표시되었다. 이 과정에서도 왜 연결이 안되는지 Grafana의
소스까지 까뒤집고 난리를 치면서 상당한 시간을 보냈다…ㅠ.ㅠ 전체적인 설정은 다음과 같다(OpenTSDB settings
의 Version은 현재 2.3까지만 선택 가능한데 2.4.0 RC2를 설치한 경우에도 2.3을 선택하면 된다).

Datasource를 성공적으로 연결했다면 이제 대시보드를 만들면 된다. 좌측 메인 메뉴에서 Dashbord에 마우스를
올리면 나타나는 서브 메뉴에서 + New를 선택하여 새로운 대시보드를 만드는데 처음 나타나는 화면은 대시보드에
표현할 유형을 선택하는 화면이다. 나머지는 차차 알아보고 나는 우선 맨 앞의 Graph를 선택했다.

Graph를 선택하면 아래 이미지와 같이 비어있는 Graph panel이 덩그러니 하나 나온다. 여기서 상단의 Panel Title을
클릭하면 몇가지 메뉴가 나오는데 Edit를 선택하자

Edit를 선택하면 Graph panel 하단으로 Graph 조건을 입력하는 화면이 나온다. 역시 다른 항목들은 차차
알아보기로 하고 중요한 몇가지만 살펴보자.

먼저 General 항목으로 가서 Graph 이름을 지정해준다. 그러면 Graph 화면 상단에 있던 Panel Title이라는
문구가 지정해준 이름으로 바뀐다. 일단 TEST라고 입력해 보았다.

다음 가장 중요한 Metric 설정이다. 역시 많은 항목이 있지만 꼭 필요한 2가지만 설정해보자.
먼저 Metric 값을 입력한다. 기억하시겠지만 openTSDB로 넘기는 JSON 문자열에 metric이라는 키가 있는데
바로 그 값을 넣어주면 된다. 나는 mqtt.home.pcroom이었다. Metric 값만 입력해도 벌써 챠트가 그려지는데
나의 경우 하나의 Metric에 온도/습도/먼지 3가지 데이터가 들어있었다. 

이 시점에 나타나는 그래프는 설정화면의 Metric 옆에 보이는 Aggregator가 sum으로 되어있기 때문에 
온도 + 습도 + 먼지의 값으로 그려진 그래프다. 한마디로 쓰레기다…-.- 물론 이런 값이 필요한 경우도 분명 있을 
것이다. 각각의 데이터로 그래프를 그리기 위해서는 tags에 지정한 구분값을 추가로 입력해주어야 한다. 

아래 그림과 같이 내가 tags에 지정한 type키와 그에 대한 값인 temperature를 입력해주었다. 입력 후 우측에 
있는 add tag 버튼을 눌러야 반영된다.

이제 온도에 대한 데이터만 Graph에 표시된다.
그렇다면 하나의 Graph에 여러 데이터를 표시하려면 어떻게 하면 될까?
Edit 영역 하단에 보면 Add Query라는 파란색 버튼이 있다. 이 버튼을 클릭하면 동일한 입력 폼이 하나 더 생기며
이렇게 새로 생긴 입력 폼에 tags를 구분해서 입력해주면 된다.

최종 화면은 요렇게 보인다.

정리

이거 은근히 내용이 길어져버렸다. 달리 생각하면 이 작업에 그만큼 많은 시행착오와 노력이 들어갔다는 말이 되겠지만
최근에는 시계열 데이터도 Elasticsearch와 Kibana를 이용하여 처리하는 것이 대세인 것 같아 내가 이러려고
openTSDB를 선택했던가 하는 자괴감이 든다는 철지난 개그가 절로 나오게 되었다…ㅠ.ㅠ 아무래도 본격적으로
데이터 처리를 하게 되면 바로 이 Elasticsearch + Kibana 조합으로 가지 않을까 싶다.

그래도 클러스터 구성에서부터, 작은 데이터를 가지고 클러스터의 일부분만 사용하는 작업이긴 하지만 실제 데이터를
다루어보았다는 점에서 상당한 만족감을 느낀다.

원래 최종 목표는 이렇게 수집한 데이터를 인공지능으로 분석하는 것이었다. 그리고 그 내용에는 트위터의 데이터를
수집하여 RNN 분석을 하는 것도 있었는데 앞으로의 계획이 너무 거창해져서 일단 그 부분은 보류를 해야 할 것 같다.

앞으로의 계획은 이렇다.

1. 아두이노와 메카넘휠을 이용한 차량형 로봇 제작, 수집 대상은 모터 회전수, 초음파 센서를 이용한 장애물과의 거리 데이터, 충돌 센서를 이용하여 장애물과의 충돌이 발생했을 때의 false 정보, 바퀴의 둘레와 모터 회전수를 조합한 이동 거리 정보, 기타 부가 정보로 카메라를 이용한 영상 정보 등이다.
2. 정보의 활용은 2가지이다. DQN을 이용한 강화학습을 통해 낮은 수준의 자율주행 구현이 그 하나이고 gazebo simulator를 이용한 Digital Twin을 구현하는 것이 다른 한가지다.

무식하면 용감하다고…그래도 그간 조금씩 습득해온 지식으로는 뭔가 어렵지 않게 될 것 같기도 한데 현실은 
어떨지…-.-

이제 긴 여정을 위해 잠시 학습하는 시간을 갖고 이후 블로그 포스팅은 주로 학습 내용을 정리하는 수준이 될 것 같다.
그럼 다음에…

아두이노를 이용한 온도/습도/먼지 측정기

일단 EMQ + Kafka + Hadoop + HBase + Spark의 구성으로 클러스터 구성 작업은 마무리가 되었다.
그리고 현재 시점에 추후 정리하겠지만 센서 데이터 처리를 위한 openTSDB와 시각화를 위한 Grafana까지
추가로 설치를 완료한 상태이다.

구슬이 서말이라도 꿰어야 보배라고 아무리 클러스터를 구성하고 각종 시스템을 그럴듯하게 설치를 해놔봐야
전기 먹는 하마 밖에 더 되겠는가? 각 시스템의 용도에 맞는 처리를 해보고 그 흐름을 알아야 진정한 목표를 이루는
것일 터다. 게다가 개발자의 역할을 갖고 있는 나로서는 아마 백날가도 운영을 위한 클러스터에 하둡을 설치할
기회는 없을 것이다. 이렇게 보면 진정한 목표는 이러한 빅데이터 생태계에서 개발자로서의 역할을 활용할 지점을
찾는 것이라 보아야 한다.

어쨌든 기본적으로 필요한 것은 데이터이고 그래서 우선 간단하게 아두이노와 온습도 센서, 먼지 센서 등을 이용하여 
센서데이터를 수집해보기로 했다. 하지만 전혀 간단하지 않았다…ㅠ.ㅠ 오늘은 그 힘든 여정을 살펴보자

흔하디 흔한…하지만 유니크한…

사실 내가 하는 작업의 대다수는 거의 4~ 5년 전에 이미 누군가 시도했던 일들이다. 앞서 진행한 클러스터 구성도
그렇지만 아두이노를 이용하여 온도/습도/먼지를 측정하고 이를 데이터로 저장한 후 챠트를 이용하여 시각화 해서
보여주는 작업은 웬만큼 아두이노를 아는 사람들이라면 이미 오래 전에 해보았던 작업들이다.

그런데…남들 보다 센서 하나 더 붙인 것이 이렇게 특이한 상황을 만들어낼 줄은 꿈에도 몰랐다…ㅠ.ㅠ

일단 구성품을 보자.

아두이노 MEGA 2560

ESP8266-01 Wi-Fi 모듈

DHT22 온습도 센서

GP2Y1010 미세먼지 센서

DS3231 RTC 모듈

네오픽셀 LED 모듈

LCD 모듈 (Nokia 5110)

몇가지 부품들은 설명이 좀 필요할 것 같은데…우선 RTC 모듈은 시간의 흐름에 따른 데이터를 저장해야 하기에
시간 정보가 필요하였고 부가적으로 화면에 시간과 날짜를 표시하기 위해 추가하였다. 다음으로 네오픽셀 LED
모듈의 경우 먼지 센서의 측정값에 따라 직관적으로 농도를 표시하기 위해 LED가 필요했는데 일반 LED로 4가지
색상을 표시하거나 RGB LED를 사용하기에는 아두이노 나노에 남는 입출력 핀이 부족하여 조금 비싸지만 네오픽셀
LED를 사용하게 되었다.

주의사항

혹시라도 그럴리는 없겠지만… 이 글을 보면서 바로 작업을 진행하는 분들이 계실지 몰라 주의해야 할 사항을 먼저 
언급해 두어야겠다.

처음 작업을 시작할 때에는 완성품의 부피를 줄이고자 아두이노 나노로 시작을 하였다. 핀수가 적긴 하지만 그래도
위에 언급한 부품들을 꼭 맞게 연결할 수 있을 정도는 되었다. 그러나 다른 곳에서 문제가 생겼다. 많은 센서들을
연결하다보니 사용하는 라이브러리 수가 늘어났고 또 Wi-Fi 모듈을 통해 MQTT 통신을 해야 하다보니 문자열
코딩이 많아졌다.

사실 아두이노로 그래도 적지 않은 작업을 했지만 역시 문돌이는 문돌이라 여전히 모르는 것 천지다보니 처음에는
완성된 온습도계가 자꾸 리셋되는 이유를 몰랐다. 이곳 저곳을 검색한 후 아두이노의 메모리 문제라는 것으로 판단하고 
그 해결책으로 pgmspace를 include하여 문자열에 대해 F함수 처리를 하였지만(F(“string”)) 그것으로는 역부족이었다. 

결국 아두이노를 나노에서 메가로 교체를 하였다(사실 아두이노의 스펙을 잘 몰라 중간에 우노도 한 번 사용을 했다).
이렇게 교체되는 과정에서 아두이노 사이즈가 커지는 바람에 나노나 우노에 맞춰 만든 외장 케이스가 못쓰게 되어버렸다.
열심히 드릴질까지 해가면서 야심차게 만들었는데…ㅠ.ㅠ

참고로 아두이노에는 3가지 영역의 메모리가 있으며 그 중에 개발자들이 활용할 수 있는 영역은 SRAM이다.
아두이노 종류에 따른 메모리 용량은 아래 표와 같다(나노는 우노와 동일하다).

소프트웨어적으로는 MQTT 통신을 위한 PubSubClient 라이브러리에서 주의를 좀 해야 한다.
이 라이브러리를 초기화 하기 위해서는 Wi-Fi 객체가 Client 타입이어야 하며 이를 지원하는 라이브러리가
몇가지 있는데 나는 그 중에 WiFiEsp를 사용하였으며 이러한 라이브러리를 사용하기 위해서는 ESP8266 모듈의
펌웨어도 AT25-SDK112 firmware라는 펌웨어를 사용해야 했다.

결론은…많은 센서를 사용하게 된다면 입출력 핀 문제 뿐만 아니라 메모리 문제 때문에라도 아두이노 메가를 사용하는
것이 안전하다는 점이다.

아두이노와 센서들의 연결

워낙에 많은 센서들을 부착하다보니 전체 배선도를 표시하는 것은 그리기도 또 읽기도 쉽지 않을 것 같아
각각의 센서 연결도를 따로따로 보여주도록 하겠다.

ESP8266-01

DHT22

GP2Y1010

DS3231 RTC

네오픽셀 LED

Nokia 5110 LCD

코드 작성

전체 코드가 조금 길기는 하지만 우선 주석과 함께 모두 올려본다.

//  Wi-Fi 모듈을 PubSubClient와 함께 사용하기 위해 선택한 ESP8266용 라이브러리
#include <WiFiEsp.h>
#include <WiFiEspClient.h>

// MQTT 통신을 위한 라이브러리
#include <PubSubClient.h>

// DHT22 온습도 센서 라이브러리
#include <DHT.h>

// DS3231 RTC 모듈 라이브러리
#include <DS3231.h>

// Nokia5110 LCD 사용을 위한 라이브러리
#include <Adafruit_GFX.h>
#include <Adafruit_PCD8544.h>

// 네오픽셀 LED 사용을 위한 라이브러리
#include <Adafruit_NeoPixel.h>

// 메모리 관리를 위한 F함수 또는 PROGMEM을 사용하기 위한 헤더파일. 아두이노 메가를 사용하는
// 시점에서 큰 의미는 없어졌음
#include <avr/pgmspace.h>

// MQTT 서버 주소
IPAddress server(123, 123, 123, 123);
// 공유기 SSID와 비밀번호
char ssid[] = "ABCDEFG";
char pass[] = "password";

// Wi-Fi 모듈 상태를 표시하기 위한 변수
 int status = WL_IDLE_STATUS;

// WI-Fi 모듈 객체 선언
WiFiEspClient espClient;
// Wi-Fi 객체를 파라미터로 MQTT 통신을 위한 clietn 생성
PubSubClient client(espClient);

// DHT22 사용을 위한 데이터 핀 설정과 모델 타입 매크로 선언
#define DHTPIN    5
#define DHTTYPE   DHT22

// DHT22 사용을 위한 객체 생성
DHT dht(DHTPIN, DHTTYPE);

// GP2Y1010 측정 핀과 측정을 위한 내부 LED 연결 핀 설정
int measurePin = A0;
int ledPower = 6;
 
// 먼지 측정을 위해 필요한 각종 변수 선언 (자세한 내용은 타 사이트 참조)
int samplingTime = 280;
int deltaTime = 40;
int sleepTime = 9680;
 
float voMeasured = 0;
float calcVoltage = 0;
float dustDensity = 0;

float totSum = 0;
float totCnt = 1.0;
float prevD = 0.0;

// DS3231 RTC 모듈 객체 생성
DS3231  rtc(SDA, SCL);
// 날짜와 시간 표시를 위한 변수
char *dateStr;
char *prevDateStr = "";

// Nokia 5110 LCD 사용을 위한 객체 생성
Adafruit_PCD8544 display = Adafruit_PCD8544(7, 8, 9, 10, 11);

// 네오픽셀 LED  사용을 위한 핀 번호 및 LED의 index 매크로 선언
#define PIN 4   
#define LEDNUM 1  
// 네오픽셀 LED 사용을 위한 객체 생성
Adafruit_NeoPixel strip = Adafruit_NeoPixel(LEDNUM, PIN, NEO_GRB + NEO_KHZ800);

void setup() {
  // 시리얼 초기화
  Serial.begin(9600);
  // Wi-Fi 모듈 사용을 위한 Serial1 초기화 
  Serial1.begin(9600);
  WiFi.init(&Serial1);

  // Wi-Fi 모듈 연결 여부 확인
  if (WiFi.status() == WL_NO_SHIELD) {
    while (true);
  }
  
  // AP에 접속
  while ( status != WL_CONNECTED) {
    status = WiFi.begin(ssid, pass);
  }

  // MQTT를 위한 서버 정보 설정 및 콜백함수 설정. 나는 MQTT publishing만 할 것이기에
  // 콜백 함수는 빈 함수로 남겨둠
  client.setServer(server, 1883);
  client.setCallback(callback);
  
  // 기타 설정들은 다름 함수로 뺌
  otherSetting();
  delay(2000);
}

void otherSetting() {
  // DS3231 RTC 모듈 초기화
  rtc.begin();

  // 시작 날짜와 시간을 설정하는 코드로 최초 사용시에만 필요함
//  rtc.setDate(25, 1, 2018);
//  rtc.setTime(23, 21, 45);
//  rtc.setDOW(4);
  
  // 네오픽셀 LED 초기화
  strip.begin();
  pinMode(ledPower,OUTPUT);

  // Nokia 5110 LCD 초기화
  display.begin();
  display.setContrast(65);
  display.setTextSize(1);
  display.setTextColor(BLACK);

  // DHT22 초기화
   dht.begin();
}

void callback(char* topic, byte* payload, unsigned int length) {
  //MQTT 통신에서 subscrib시 필요한 내용이나 나의 경우 publish만 하므로 그냥 비워둠
}

void loop() {
  // 메인 루프에서는 MQTT 통신이 끊어져있으면 연결을 하고 연결되어있으면 데이터를 모아서
  // MQTT 서버로 전송하는 작업을 진행함
  if (!client.connected()) {
    // 연결이 끊어져있으면 다시 연결 시도	
    reconnect();
  } else {
    // MQTT 서버에 연결되어있으면 데이터를 수집하여 MQTT 서버로 보냄
    getValueAndSendData();
    // 위 작업을 5초마다 한 번씩 수행
    delay(5000);
  }
}

void getValueAndSendData() {
  // 온도, 습도측정 값을 담을 변수를 선언하고 DHT22 센서로부터 측정값을 받아옴
  float temperature = dht.readTemperature(); 
  float humidity = dht.readHumidity();
  // 먼지 센서의 경우 조금 복잡한 계산이 필요하여 따로 함수 처리를 함
  float d = getdust();

    // 간혹 먼지 센서에서 노이즈값이 나오므로 이에 대한 처리를 해줌(값자기 100 가까운 값이
    // 나오기도 하나 음수에 대해서만 처리했음
    if (d < 0.0) {
      d = prevD;
    }

    prevD = d;

    // DS3231로부터 요일값을 받아옴
    dateStr = rtc.getDOWStr(FORMAT_SHORT);

    // 현재 먼지 센서의 측정 값을 순간값이 아닌 그 시점까지의 그날 평균으로 보여주고 있으며(1일 평균)
    // 날짜가 바뀌면 다시 처음부터 계산하도록 처리함
    if (prevDateStr == dateStr) {
      totSum += d;
      totCnt += 1.0;
    } else {
      totSum = d;
      totCnt = 1.0;
    }

    prevDateStr = dateStr;

    float avgD = totSum / totCnt;

    // 먼지 측정 값에 따라 네오픽셀 LED의 색상을 변경함
    if (avgD <= 30) {
      strip.setPixelColor(0, 0, 0, 255); 
    } else if (avgD <= 80) {
      strip.setPixelColor(0, 0, 255, 0); 
    } else if (avgD <= 150) {
      strip.setPixelColor(0, 255, 255, 0); 
    } else if (avgD >= 151) {
      strip.setPixelColor(0, 255, 0, 0); 
    }
    strip.show();

    // 센서 데이터들을 JSON 포맷으로 만들어 MQTT 서버로 전송함
    // 이 JSON 포맷은 시계열 데이터용 NoSQL인 openTSDB에 넣기 위한 포맷임
    // 주의할 것은 PubSubClient 라이브러리는 전송 가능한 패킷 사이즈가 128byte로 
    // 기본 설정되어 더 큰 크기의 패킷 전송을 위해서는 MQTT_MAX_PACKET_SIZE 값을
    // 변경해주어야 한다. 나는 넉넉하게 1024로 설정했다.
    char attributes[393];
    String dtStr = String(rtc.getUnixTime(rtc.getTime()));
    String payload = F("[");
          payload += F("{");
          payload += F("\"type\":\"Metric\"");
          payload += F(",");
          payload += F("\"metric\":\"mqtt.home.pcroom\"");
          payload += F(",");
          payload += F("\"timestamp\":"); payload += dtStr; 
          payload += F(",");
          payload += F("\"value\":"); payload += String(temperature); 
          payload += F(",");
          payload += F("\"tags\": {"); 
          payload += F("\"type\":\"temperature\",");
          payload += F("\"loc\":\"pcroom\"");
          payload += F("}},");
          
//    payload.toCharArray( attributes, 131 );
//    client.publish("/mqtt", attributes);
    //Serial.println(attributes);
    
          payload += F("{");
          payload += F("\"type\":\"Metric\"");
          payload += F(",");
          payload += F("\"metric\":\"mqtt.home.pcroom\"");
          payload += F(",");
          payload += F("\"timestamp\":"); payload += dtStr; 
          payload += F(",");
          payload += F("\"value\":"); payload += String(humidity); 
          payload += F(",");
          payload += F("\"tags\": {"); 
          payload += F("\"type\":\"humidity\",");
          payload += F("\"loc\":\"pcroom\"");
          payload += F("}},");

//    payload.toCharArray( attributes, 131 );
//    client.publish("/mqtt", attributes);
    //Serial.println(attributes);
    
          payload += F("{");
          payload += F("\"type\":\"Metric\"");
          payload += F(",");
          payload += F("\"metric\":\"mqtt.home.pcroom\"");
          payload += F(",");
          payload += F("\"timestamp\":"); payload += dtStr; 
          payload += F(",");
          payload += F("\"value\":"); payload += String(avgD); 
          payload += F(",");
          payload += F("\"tags\": {"); 
          payload += F("\"type\":\"dust\",");
          payload += F("\"loc\":\"pcroom\"");
          payload += F("}}");
          payload += F("]");
    
    // String 타입으로 만든 JSON 문자열을 byte 배열로 변경한 후 서버로 publishing
    // "/mqtt"는 토픽 이름
    payload.toCharArray( attributes, 393 );
    client.publish("/mqtt", attributes);

    //Serial.println(attributes);
    
    // 날짜, 시간, 요일, 온도, 습도, 먼지 등의 값을 LCD에 출력
    display.clearDisplay();   
    display.setCursor(0,0);
    display.print(rtc.getTimeStr(FORMAT_SHORT));
    display.print(F(" ["));
    display.print(dateStr);
    display.print(F("]\n"));
    display.println(rtc.getDateStr(FORMAT_LONG, FORMAT_BIGENDIAN, '-'));
    display.print(F("\nT: "));
    display.println(temperature, 1);
    display.print(F("H: "));
    display.println(humidity, 1);
    display.print(F("D: "));
    display.print(avgD, 1);
    display.display();
}

// MQTT 서버에 연결이 안되었을 시 재연결하는 함수
void reconnect() {
  while (!client.connected()) {
    // 아래 connect 함수를 통해 전달하는 3개의 문자열은 그냥 임의로 정해도 됨
    if (client.connect("ARDUINO", "mazdah", "abcdefg")) {
      Serial.println(F("connected"));
    } else {
      Serial.print(F("failed"));
      delay(5000);
    }
  }
}

// 먼지 측정을 위한 함수
// 고수들은 한번 측정된 값을 사용하지 않고 짧은 시간에 여러번 측정을 하여 그 평균을 사용함
float getdust(){
  digitalWrite(ledPower,LOW);
  delayMicroseconds(samplingTime);
  voMeasured = analogRead(measurePin);
  
  delayMicroseconds(deltaTime);
  digitalWrite(ledPower,HIGH);
  delayMicroseconds(sleepTime);
  
  calcVoltage = voMeasured * (5.0 / 1024);
  dustDensity = (0.17 * calcVoltage - 0.1) * 1000.0;
  return(dustDensity);
}

코드가 좀 길기는 하지만 어려운 코드는 없다. 다만 나의 경우 앞서 말한 것 처럼 메모리 용량이 적은 아두이노를 
사용했다가 원인불명(?)의 리셋으로 한참을 시간 낭비 했고 MQTT 라이브러리의 특성을 잘 몰라 또 한참 시간을 
낭비하게 되었다. MQTT 관련한 시간 낭비 중 하나는 코드에 주석처리한 전송 패킷 사이즈 문제였고 다른 한가지는
지속적으로 데이터를 송신하지 않으면 네트워크가 끊어지는 것이 당연한데 데이터를 보내지도 않으면서 자꾸
MQTT 네트워크가 끊어지는 것이 코드나 센서 이상이라고 생각해서 꽤나 고민했다. 결국은 내가 데이터를 보내기
시작하면서 이해를 하게 되었다.

결과물

처음 아두이노 나노와 우노를 이용해서 만들었을 때 그에 준하여 케이스를 만들었다. 예전에 샀던 블루투스
스피커의 아크릴 포장 케이스가 마침 딱 알맞은 크기였기에 거기에 공기를 통하게 하기 위한 구멍을 열심히
뚫어서 나름 예쁜 모양을 만들었는데…

메모리 문제로 아두이노 메가로 바꾼 후 더이상 아두이노와 센서들이 깔끔하게 케이스 안으로 들어가질 않는다.
결국 내장을 뽑아낸 채 이렇게 볼쌍 사나운 모습으로 열심히 데이터를 모으고 있다…ㅠ.ㅠ

사실 모듈 배치를 고려하지 않은 부분도 있었다. 아무래도 연결된 센서(특히 ESP8266)나 아두이노 자체에서도
발열이 있기에 아무리 구멍을 뚫었다 할지라도 좁은 공간에 함께 넣게 되면 온도 측정에 심각한 영향을 미치게
된다. 먼지 센서도 가급적이면 통풍이 잘되도록 신경을 써주어야 한다.

정리

시작할 때 생각했던 것보다 많이 어려웠고 또 시간도 많이 잡아먹었다.
하지만 그만큼 새로운 사실들도 많이 알게되어 결코 낭비만은 아니었다고 생각한다.

사실 애초에 온/습도 또는 먼지를 측정하여 처리하는 내용은 워낙 흔해서 수집할만한 다른 데이터가 없을지
많이 고민을 해보았다. 그런데 은근히 만만치가 않았다. 생각 외로 아두이노 센서 중에 데이터를 수집할만한
센서가 그리 많지 않았다. 어떤 데이터를 모을까 생각하며 시간을 축내기보다는 흔한 작업이지만 일단 데이터를
모아보자는 생각에 이와 같은 작업을 진행하게 되었다. 사실 중요한 것은 앞서 구성한 클러스터를 통해
정상적으로 데이터를 처리할 수 있는지 확인하는 것이 우선이었으니까…

다음 포스팅에서 정리하겠지만 우선 이렇게 만든 온습도계를 통해 데이터를 모아 MQTT 서버를 거치고 Apache
Kafka를 통해 openTSDB에 저장을 하고 Grafana를 통해 시각화 하는 부분까지는 정상적으로 된 것 같다
(하지만 세부적으로는 Kafka쪽에 더 살펴봐야 할 것이 남아있다). 맛보기로 현재 들어오고 있는 데이터에 대한
Grafana 챠트를 올린다.

일단 기본적인 작업을 성공하였기에 다음에는 조금 더 큰 작업을 해보려고 한다. 내 수준에서 가능할지는 모르겠지만
메카넘 휠을 사용한 차량형 로봇으로 모터의 회전 수와 회전 방향, 거리 센서를 통한 데이터, 충돌 센서 및 충돌 스위치 
센서를 통해 충돌시 실패 감지 등의 데이터를 수집하고 이를 인공지능으로 분석하여 낮은 수준의 자율주행차를 만들어
볼 계획이다. 내 지식 수준에서 바로 될 수는 없는 장기 목표라서 올해 말쯤에나 결과를 볼 수 있겠지만…^^;;;

이 작업이 성공하면 다음은 자율주행 드론에 도전!!!

암튼 하고 싶은 것이 널려서 참 행복한 한 해가 될 것 같다.
그래도 우선 다음 포스팅에서는 센서데이터 -> MQTT -> Kafka -> openTSDB -> Grafana로 이어지는 데이터
처리에 대해 알아보도록 하겠다.

아두이노 드론 만들기 #6 - MDF 프레임의 마지막…

사실 이번 글은 또다른 실패담이라서 쓰지 않으려고 했는데 손이 심심해서 쓴다…-.-
더이상 MDF로는 시도를 하지 않을 생각이었는데 혹시나 하는 생각에 한 번 더 도전을 했다.

하지만 아무래도 MDF 프레임을 이용한 시도는 여기서 마쳐야 할 것 같다.
물론 프레임만의 문제는 아니다. 그러나 프레임 외의 문제들이 MDF로 해결 할 수 없는 문제라는 것이
MDF의 비극적인 운명이다…ㅠ.ㅠ

다운사이징

일단 지난 번 실패담에 대해 많은 분들이 의견을 주셨다. 그중 가장 신빙성 있고 개선하기 쉬운 내용은 바로 기체에
비해 프로펠러가 너무 작다는 것이었다. 사실 지난 번 잠깐이라도 뜬 기체는 10인치 프로펠러였는데 이번 테스트에
사용하고 있는 프로펠러는 5인치 사이즈이고 실제 직경은 5인치 보다 작다(5인치면 대략 12.7cm인데 실제로는 
대략 11cm정도이다).

결국 기체의 사이즈를 줄이기로 했다. 우선 기체의 폭을 줄이기로 하였고 폭이 줄어들면 소재가 동일하니 당연히 무게도
줄어들게 될 것이다. 다시 한번 모눈종이에 열심히 도안을 하고 MDF 레이저 커팅 주문을 했다.

그렇게 만들어진 기체는 아래 이미지와 같다. 이전 기체와의 비교를 위해 두 기체를 겹쳐놓고 사진을 찍었다.
우선 기체의 폭은 직경을 기준으로 약 10cm정도 줄어들었다.

1차 테스트 결과

변경된 기체는 사이즈가 줄어든 것과 각종 기판과 배터리가 외벽 안쪽에 있던 것이 부피가 줄면서 외벽 밖으로 배치
되었다는 점, 외벽간의 공간을 테이프로 틀어막았다는 점 등이 달라진 부분이다.

하지만…

여전히 반응이 없었다. 역토크(프로펠러의 반작용)를 상쇄하기 위한 방향타가 지나치게 공기의 흐름에 저항을 일으키는
것 같아서 방향타를 모두 제거하니 겨우 기체가 제자리에서 뒤집히는 정도의 반응을 보였다.

그냥 끝내기는 뭔가 아쉬워 한 번 더 다운사이징을 감행했다.

2차 다운사이징

8각형 구조로 8군데로 배치한 외벽 중 4개를 제거했다. 아무래도 몸통과 외벽을 연결하는 지지대쪽에서도 공기 흐름에
저항이 발생하는 것 같았다. 결국 뭔가 모양은 비맞은 생쥐 마냥 뭔가 빈티가 나보이긴 하지만 무게는 대폭 줄어서 최초의
기체에 비해 120g 정도가 줄어들었다. 그리고 외벽쪽에 배치했던 배터리는 모터 위쪽으로 올렸다.

2차 테스트 결과

일단 작은 프로펠러에 대해 방향타가 주는 영향이 너무 큰 덕에 일단 방향타는 미리 제거하고 테스트를 하기로 했다.
물론 이럴 경우 기체는 프로펠러 반대 방향으로 신나게 돌 것이다….-.- 그래도 일단 떠주기만 하면 좋으련만…

처음 시험 비행을 위해 나갔더니 어디선가 접촉이 불량했는지 모터가 돌아가지 않았다. 다시 들어와 점검후 나갔다.
아두이노와 점퍼선을 이용해 기판들을 연결하다보니 이런 문제도 종종 생긴다.

그리고 드디어 테스트…

발레 로봇을 만들어야 하나…예상대로 몸통이 신나게 돈다. 그리고 안타깝게도 뜨지는 않는다…ㅠ.ㅠ

정리

애초에 예견했던 결과이긴 하지만 아쉬움은 남는다.
일단 지난 번 실패에서부터 오늘의 실패까지에서 몇가지 개선해야 할 부분을 정리해보자면 다음과 같다.

1. 아두이노과 관련 기판의 부피를 최소화 할 것. 이를 위해 간단한 회로 설계와 많은 납땜 작업이 필요할 듯싶다.
2. 유션형의 기체 설계. 프로펠러가 작은 경우 바람의 저항을 받는 요소에 매우 민감하다. 따라서 공기가 흐르는 곳은 최대한 유선형으로 설계가 되어야 한다.

결국 이러한 문제 해결을 위해서는 3D 모델링도 익혀야 하고 간단하게나마 회로 설계도 공부를 좀 해야 할 것 같다.
우선 다음 포스팅은 3D 모델링을 통해 새로운 기체를 설계하는 내용이 될 것이다. 과연 쓸만한 기체가 만들어질지…